基于數學圖論分支的復雜網絡理論是分析復雜關系的強有力工具，近年來被廣泛應用于腦網絡成像研究中。模塊化分析是復雜網絡的典型方法，可用于檢測大尺度腦網絡結構特點。相關研究發現，人腦網絡是以模塊化進行結構與功能組織構建的，而這種基本組織結構會受到各種神經精神疾病條件的影響。

近日，中國科學院行為科學重點實驗室、中科院心理研究所腦與心智畢生發展研究中心、重慶醫科大學*附屬醫院、西南大學心理學部、廣西師范學院和美國印第安納大學的研究人員合作，檢測了抑郁癥患者的大腦功能模塊化重組。

該研究共對46名未服藥抑郁癥患者、38名已服藥抑郁癥患者和50名健康匹配對照志愿者進行了人腦磁共振成像檢測，其中包括大腦形態影像和靜息態功能影像。研究人員通過多重尺度模塊檢測算法來探測3組志愿者的腦網絡模塊化分特性，這一算法可以在進行模塊劃分時，通過調節相關參數來控制模塊劃分的分辨率，從而精細地進行模塊化重組檢測。就像將腦網絡想象成一個大城市，城市可以劃分成幾個大城區，進一步細分可以劃分成街道，再細分可以劃為小區、單元樓、每戶人家一樣，經過該算法運算后，可以得到人腦網絡一系列從粗到細的模塊劃分，根據每種劃分的參數穩定性選出zui合適的劃分方式。

研究結果表明，與正常對照組相比，2個病人組都在視覺網絡和默認網絡表現出相似的重組特性，但在額頂控制網絡卻表現出不同的重組改變形式；額頂控制網絡的3個功能模塊和體感運動網絡在未服藥條件下表現出更強的模塊間功能連接，而這些連接增強在藥物控制下大部分可以達到正常控制組水平，值得關注的是額頂網絡的外側模塊（如圖編碼4所示）并未表現出對藥物的上述重組效果。研究成果展示了抑郁癥相關的人腦連接組特定模塊網絡組織特性的改變，同時揭示了藥物對重塑腦網絡模塊特性改變的潛在作用，為各類臨床干預提供了全腦系統水平上的靶向網絡及其相關腦區。

相關研究成果發表在Cerebral Cortex上。該研究得到了國家重點基礎研究發展計劃、國家自然科學基金面上項目和重點合作項目、北京市科學與技術基金、中科院－荷蘭科研組織聯合研究項目等的資助